检索结果-南通市图书馆

低剂量CT（low-dose CT，LDCT）图像的去噪任务是一个高度复杂且不确定的逆问题。现有的基于CNN的方法虽然有效，但提升空间有限且计算成本高。相比之下，将图像先验知识与模型相结合来辅助图像去噪是一种更有效的方法。本文提出了一种名为AWTV＿GANet的LDCT图像去噪框架。该框架利用自适应加权总变分（Adaptive Weighted Total Variation， AWTV）展开和高斯注意力引导的方法，通过端到端的CNN模型，将噪声优化模型、边缘检测模型和图像重建模型集成在一起。实验证明，AWTV＿GANet能够准确地去除伪影噪声，并恢复出更精细的结构细节，与其他方法相比具有优异的性能。

关键词：低剂量CT 图像去噪深度学习自适应加权总变分

来源：